基于遺傳算法的裝夾布局優化在航空制造結構變形中應用

朱磊

摘 要：大型機械數控加工中，結構件的變形使得加工精度無法滿足要求，為了解決這個問題，本文設計了利用遺傳算法和有限元分析來優化裝夾布局，利用優化后的布局進行實際驗證，能夠顯著減小大型結構件的變形和提高加工效率。

關鍵詞：航空制造；遺傳算法；變形

中圖分類號：TG54 文獻標識碼：A 文章編號：1671-2064（2018）08-0053-02

1 引言

在現代化的航空制造中，科技含量非常高、種類繁多的飛機對性能的要求非常苛刻，所以航空制造中大型結構件的應用也變得越來越多，這些大型結構件的數控加工對數控機床的技術要求和數控加工的各類技術參數要求非常高，與一般的機械零部件數控加工相比，大型結構件的加工難度和對材料的強度要求更大，數控加工工藝也更加復雜，形位精度要求非常高。這些大型結構件有一個共同特點：面積大、結構和壁厚變化復雜、薄壁位置剛度低、切除率高、加工周期長。在機械數控加工中，由于零部件剛性差等多種因素，加工部位非常容易產生變形，導致產品的良率非常低，這個問題是航空制造中急需解決的機械制造技術問題。

引起大型航空結構件變形的主要原因包括：結構件的材料屬性和結構特性、毛坯件的初始殘余應力、夾緊力、切削力等[1]。其中夾緊力是這些因素中影響結構件變形的最重要的因素之一，特別是對于弱剛度的結構件，夾緊力對結構件變形的影響至關重要，本文針對這個問題，采用有限元分析建模預測，建立初始殘余應力、裝夾應力、銑削機械應力和銑削熱應力等多個參數作用的結構件變形有限元預測模型，通過模型預測，然后利用遺傳算法來進行優化裝夾布局。

2 遺傳算法介紹

遺傳算法是一種自適應的啟發式全局搜索算法，根據自然界優勝劣汰選擇方式，能夠遺傳下來適應性最強的群體。遺傳算法最大的優點是具有較強的全局尋優能力，能夠自動在搜索空間上學習和優化，全程不需要人為干預搜索過程，利用交叉算算子進行模式重組，利用變異算子進行突變，以目標函數為依據，對個體進行遺傳操作，來實現個體的重組迭代過程，逐漸趨近于最優解。該算法具有不受函數約束條件的限制等優點，能夠大大降低陷入局部極小的可能，具有全局搜索能力，非常適用于搜索復雜問題和非線性的問題優化。

遺傳算法主要是由編碼、初始種群產生，適應度函數設計評估、選擇交叉、變異等來進行操作[2]。該算法由若干初始群體作為初始輸入，是通過隨機過程的方式來產生初始群體，所以初始群體的規模越大，則遺傳算法尋找到最優解的可能性就越大。但是初始群體的規模也不能無限大，規模太大就會數倍的消耗寶貴的計算資源，增大計算量，成倍的計算資源消耗可能會導致計算機陷入死循環。所以選擇初始群體的規模一定要適中，按照比例進行選擇，選取概率正比于個體的適配值，就能夠增強種群的多樣性，避免過早收斂。

3 算法設計及驗證

由于航空大型結構件的整體結構一般具有壁薄的特點，在機械數控加工過程中容易產生變形，而且變形隨機很難控制，一般通過預留工藝凸臺來進行定位，用螺栓預緊力在數控加工中加緊被加工結構件，機械加工完畢后移走凸臺，一般凸臺如果數目太少，則會導致數控加工過程中結構件變形很差，難以保證機械數控加工精度，但是如果凸臺數目太多的話，則會大幅增加凸臺加工時間和結構件機械加工完畢后凸臺的移除時間，所以凸臺合理的布局是減小結構件加工變形的重要環節之一，凸臺的位置和數目的優化可以提高大型結構件的數控加工精度和大幅提高生產效率。

遺傳算法能夠搜索全局最優解，可以同時優化多個變量，該算法不需要目標函數等信息來確定搜索方向，對于裝夾布局優化過程的設計變量與目標函數的關系非常復雜，所以遺傳算法非常適合裝夾布局的優化設計。

本文算法以大型結構件的加工過程最大變形最小為目標函數，采用遺傳算法和有限元分析結合的優化算法，對加緊點位置、數目進行優化，通過采用優化后的裝夾布局和機械工程師經驗裝夾布局加工過程中加工點位移進行對比分析，來驗證優化算法的有效性。

遺傳算法的優化步驟：首先確定決策變量和約束條件；然后建立優化模型，確定出目標函數類型和數學表達量化關系；然后確定表示可行解的染色體編碼方法，確定個體的基因型和遺傳算法的搜索空間；然后再確定出解碼方法，確定出個體到個體的對應關系；然后再確定個體適應度的量化表達方法；然后要進行遺傳算子的設計，確定選擇運算、交叉運算、變異運算等遺傳算子；最后要確定遺傳算法的相關參數，比如群體大小、終止代數、交叉概率、變異概率等重要的參數。

根據遺傳算法的優化步驟，確定決策變量和約束條件，來建立優化模型，確定出染色體的編碼方法、遺傳算子的范圍，通過建立有限元分析模型來對所有個體的適應度進行合理評價。我們這里把凸臺的位置和數量作為決策變量，凸臺位置必須使加工過程中大型結構件的最大變形達到最小，凸臺的數目必須是最小并且足夠的要求。凸臺數目如果太少，大型結構件的加工精度無法保證，如果凸臺數目太多，則會增加凸臺加工時間和大型結構件加工完畢后移除凸臺的時間，大幅增加數控加工的成本和顯著降低數控加工的效率。

大型結構件的數控加工變形氛圍加工中的變形和加工后的整體變形，在數控加工中大型結構件在切削力和夾緊力共同作用下產生變形，這個變形為彈性變形，而在數控加工過程中的大型結構件的變形會使刀具在按照預定軌跡切削時給進量和切削位置發生微小的偏差，則會使大型結構件表面產生過切或超差問題。根據有限元分析的理論，可以得出大型結構件的節點位移和承受載荷之間的數學表達。

遺傳算法優化裝夾布局流程：首先生成初始種群，生成的初始種群解碼，解碼數值對應夾具位置，然后把生成夾具的不同位置輸入到有限元分析模型中來，利用有限元來得到適應度值，然后根據終止判決條件來判斷是否結束優化，并且進一步判定變形是否在允許的誤差范圍內，如果變形不在允許誤差范圍內，那么調整下夾緊點的數目，再次重新進行下一輪優化，最終得到優化后的裝夾布局參數種群，這里面最佳的個體就是最優的裝夾布局，此時則結束本輪優化。

利用遺傳算法得到優化結果，利用實際大型結構件的數控加工中進行驗證，優化后的裝夾布局能夠顯著減小大型結構件的變形和提高加工效率。

4 結語

在現代化的航空制造中，大型結構件應用越來越多，大型結構件的數控加工異常復雜，很容易產生變形，導致數控加工的精度無法滿足制造要求，為了解決這個問題，本文設計了基于遺傳算法和有限元分析的數學模型，來優化裝夾中的凸臺的位置和數目，使得裝夾布局達到最為合理，經過實際驗證，算法有效。

參考文獻

[1]王運巧.航空薄壁結構件數控加工變形控制研究[J].現代制造工程，2005，（01）：17-18.

[2]劉國光.基于組合遺傳算法的切削參數優化設計[J].現代機械，2002，（02）：12-13.